Generating societal value from natural capital on corporate-owned land: a real estate case study from Mauritius
Notice bibliographique
Résumé
Land-use change is a major driver of climate change and biodiversity loss. Natural Capital Accounting (NCA) is emerging as a tool to assess impacts on and dependencies from nature across scales. This makes NCA a valuable tool for assessing the environmental impacts of business operations and value chains. While previously used in sectors like mining and forestry, NCA applications in real estate are scarce, and prospective modelling is increasingly needed to guide future land use decisions aligned with the Kunming-Montreal Global Biodiversity Framework. This study applied NCA to three land-use scenarios for a 1300-ha corporate estate in Mauritius, a Small Island Developing State. Mauritius is constrained by size wherein land use change dynamics favour real estate development on privately-owned land to attract foreign investment. Models aligned with the UN System of Environmental Economic Accounting - Ecosystem Accounting (SEEA-EA) show that a financially maximizing urban scenario over 2025-2049 would slightly improve watershed ecosystem condition but halve societal ecosystem service value relative to a do-nothing scenario. In contrast, business value is increased 37-fold. A low-density agro-residential scenario would grow business value 20-fold, societal value 3-fold, and markedly improve ecosystem condition across the estate. The findings emphasize the need to assess both biophysical and monetary dimensions, as focusing solely on ecosystem condition may mislead stakeholders about societal benefits. The study demonstrates NCA's potential to complement existing environmental assessments, support land use planning at national and subnational levels, and inform sustainable development strategies that balance business and societal value. Observations also address nature-related risks and opportunities, including sustainability-linked finance and biodiversity offsets, and highlight future research needs on the combined effects of climate and land-use changes, as well as cultural value considerations.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».